Is het erg dat Rob Jetten zijn socialmediaberichten met AI schreef? Lizzy Prins stelt dat we verder moeten kijken dan de output

De afgelopen weken ging het volop over AI-geschreven teksten. Eerst onderzocht AI Report 252 ingezonden opiniestukken in Nederlandse kranten. Daarvan classificeerde AI-detector Pangram 49 stukken als volledig door AI gegenereerd.

Niet veel later richtte de Volkskrant de blik op de socialemediaberichten van Rob Jetten en D66. De krant onderzocht 1.812 berichten en concludeerde dat bij minstens 232 daarvan waarschijnlijk een AI-model was gebruikt.

De AI-discussie ging al snel vooral over authenticiteit, transparantie en de vraag wanneer een tekst eigenlijk nog 'van jou' is als AI eraan heeft meegeschreven. Op zichzelf een interessante discussie natuurlijk. Alleen merkte ik dat ik tijdens het lezen steeds naar iets anders wilde kijken.

We zijn enorm gefocust op de output: wie heeft dit gemaakt, hoeveel AI zit erin en hadden we dat moeten weten? Terwijl er achter die output iets gebeurt wat voor organisaties volgens mij veel grotere gevolgen heeft.

Draai de camera eens om. Kijk niet naar de tekst die uiteindelijk verschijnt, maar naar het proces dat eraan voorafging. Want zodra je dat doet, gaat het ineens niet meer alleen over schrijven met AI. Dan gaat het over de vraag welk werk door technologie verschuift, welk werk voor mensen overblijft en wat dat doet met vakmanschap, verantwoordelijkheid en de manier waarop we organisaties inrichten.

Lees ook: Rob Jettens zijn er ook in het bedrijfsleven: ‘AI moet niet je luiheid faciliteren’

Dezelfde tekst, totaal ander werk

Neem een bestuurder die een paar jaar geleden iets wilde publiceren. Grote kans dat er toen ook al een communicatieadviseur bij betrokken was. Die voerde een gesprek, stelde vragen, zocht wat zaken uit en schreef een eerste versie. De bestuurder las mee, er werd wat aangepast en de tekst verscheen onder zijn of haar naam. Daar vonden we over het algemeen weinig van.

Zet nu AI tussen een aantal van die stappen. De bestuurder spreekt zijn gedachten in, AI structureert de input en maakt een eerste versie, en de communicatieadviseur controleert de tekst, scherpt aan en legt hem opnieuw voor.

Het eindresultaat is misschien nauwelijks anders. Maar achter de schermen is het werk behoorlijk veranderd. En precies dát vind ik interessanter dan de vraag of we de tekst 'AI-geschreven' mogen noemen.

Wat heeft AI in dat proces eigenlijk overgenomen? Misschien alleen het formuleren, maar mogelijk ook het structureren, het zoeken naar argumenten of zelfs een deel van de gedachtevorming.

Tegelijk wordt de communicatieprofessional belangrijker in het beoordelen en bewaken van inhoud, toon en context. Er is niet simpelweg een tool toegevoegd waarmee iemand sneller schrijft. De taakverdeling tussen mens en technologie is veranderd.

Wanneer helpt AI nog, en wanneer neemt het over?

Dat onderscheid zag ik ook terug in recent onderzoek van Northwestern University onder twintig wetenschapsjournalisten. Zij waren niet simpelweg voor of tegen AI. Het maakte voor hen uit waar in het werkproces AI werd ingezet.

AI die informatie verzamelt of feedback geeft, zagen ze als ondersteuning. Maar AI die kernideeën of eerste versies produceert, riep zorgen op over autonomie, vakmanschap en professionele ontwikkeling. De titel van het paper vat het samen: Helping Me Versus Doing It for Me.

Twintig interviews zeggen niets over alle professionals. Maar voor organisaties is het onderscheid relevant: het gaat niet alleen om óf AI een taak kan uitvoeren, maar ook om welk deel van het werkproces je aan AI geeft.

Lees ook: Bill Gates luidt noodklok: ‘Tech-top verzwijgt de ware gevaren van AI’

Wat verdwijnt er als je drie uur werk terugbrengt naar tien minuten?

Dat zie je inmiddels in veel beroepen. Een HR-professional laat AI een eerste versie van een beleidsnotitie maken. Een manager laat een dossier van veertig pagina's samenvatten. Daar zit ontzettend veel tijdwinst in en ik ben zeker niet van de school die vindt dat we dat werk vooral zelf moeten blijven doen omdat we het altijd zo hebben gedaan.

Alleen gebeurde er tijdens het maken van die notitie of het doorploegen van dat dossier vaak óók iets wat in geen enkel functieprofiel staat. Je ontdekt dat informatie ontbreekt, ziet dat twee cijfers elkaar tegenspreken, begint te twijfelen aan een aanname of komt erachter dat je de verkeerde vraag beantwoordt. Dat levert niet altijd direct output op, maar het is wel degelijk kenniswerk.

Daarom vind ik de rekensom ‘drie uur werk wordt tien minuten, dus we winnen twee uur en vijftig minuten’ te makkelijk. Voordat je die conclusie trekt, wil je weten wat er in die drie uur nog méér gebeurde en of je daar in het nieuwe werkproces iets voor terug moet organiseren.

Dat hoeft niet te betekenen dat AI minder moet doen. Het kan betekenen dat je het werk slimmer opnieuw organiseert.

Van maken naar beoordelen klinkt makkelijker dan het is

Onderzoekers van Carnegie Mellon en Microsoft Research vroegen 319 kenniswerkers naar concrete situaties waarin zij generatieve AI gebruikten. Daaruit blijkt dat het kritische denkwerk verschuift: van zelf informatie verzamelen en analyseren naar controleren, beoordelen en integreren van wat AI levert. Dat klinkt als minder denkwerk, maar goed beoordelen vraagt juist expertise.

Er zat ook een ongemakkelijke bevinding in: hoe meer vertrouwen deelnemers hadden in het vermogen van AI om een taak goed uit te voeren, hoe minder kritisch denkwerk zij zelf rapporteerden.

Maar om te beoordelen moet je nog steeds kunnen herkennen wanneer een overtuigend klinkend resultaat niet klopt, welke informatie ontbreekt en welke aannames ongemerkt in de uitkomst zijn geslopen. Hoe ontwikkel je dat beoordelingsvermogen als je een steeds groter deel van het maakwerk niet meer zelf doet?

Sneller werken is nog geen beter werk

Individuele tijdwinst leidt ook niet vanzelf tot een anders werkende organisatie. In een groot veldexperiment kregen 7.137 kenniswerkers generatieve AI binnen de applicaties waarin ze al werkten. Actieve gebruikers besteedden minder tijd aan e-mail.

Maar op het niveau van de werkweek vonden de onderzoekers geen aantoonbare verandering in de hoeveelheid of samenstelling van taken. Goed om te weten: dit onderzoek komt van Microsoft, en de geteste tool, Copilot, verkoopt Microsoft zelf.

Dat is logisch. Een medewerker kan zelf besluiten AI te gebruiken voor een mail of een samenvatting. Diezelfde medewerker kan meestal niet zelfstandig besluiten dat een wekelijks overleg verdwijnt, dat een goedkeuringsstap vervalt of dat verantwoordelijkheden tussen twee afdelingen anders worden verdeeld. Dat is het verschil tussen AI gebruiken en werk opnieuw ontwerpen.

In de organisaties waar ik kom, zie ik vooral het eerste: licenties uitrollen, medewerkers trainen, use cases verzamelen. Allemaal nuttig, maar zo verander je vooral hoe individuele medewerkers bestaande taken uitvoeren. Het werk als geheel wordt daar niet automatisch slimmer van.

Als AI stappen in een proces drastisch versnelt of overneemt, moet je naar het hele proces kijken. Moet dezelfde persoon het werk blijven doen? Kan een overdrachtsmoment verdwijnen? Dan hebben we het niet meer over prompten. Dan hebben we het over organisatie- en werkontwerp.

Lees ook: Lizzy Prins deelt 4 vragen over AI die in het volgende MT-overleg gesteld moeten worden

Wat doe je maandag?

• Vandaag: kies één proces waarin medewerkers al AI gebruiken.

• Deze week: laat de eigenaar van dat proces op één A4 beschrijven welke stappen met AI kleiner werden of verdwenen, en welk werk daarvoor in de plaats kwam. Laat hem of haar daarbij vier vragen beantwoorden:

1. 1.

   Waar ontstond tot nu toe inzicht?

2. 2.

   Wie controleert straks de AI-output?

3. 3.

   Waar ligt de beslissing?

4. 4.

   Heeft de persoon die verantwoordelijk blijft daarvoor voldoende kennis, context en bevoegdheid?

Eén naam, vrijdag als datum. De uitkomst kan best zijn dat AI een groot deel van het proces overneemt. Prima. Maar dan is dat een bewuste keuze over hoe je het werk wilt organiseren, in plaats van een toevallig gevolg van medewerkers die steeds meer losse taken met AI uitvoeren.

En hoe zit het dan met dit artikel?

Misschien is dit artikel daar zelf wel een aardig voorbeeld van. Ja, bij het schrijven ervan heb ik AI gebruikt. Maar wat zegt dat eigenlijk?

Mijn kijk op AI, werk en organisaties is niet ontstaan uit een prompt. Daar zitten jaren werkervaring, gesprekken, onderzoek, trainen en adviseren achter. Precies die bagage bepaalt welke vragen ik aan AI stel, waar ik doorvraag en met welke antwoorden ik geen genoegen neem.

Het artikel was er ook niet met één druk op de knop. Ik zocht naar de juiste invalshoek en bronnen, schrapte formuleringen, bouwde opnieuw op en woog uren af hoe de lijn van het verhaal moest lopen. AI dacht daarin mee.

Dus: is dit artikel met AI geschreven? Ja. Alleen vertelt dat verrassend weinig. Veel interessanter is wat er tussen een leeg document en deze laatste alinea is gebeurd: welke vragen zijn gesteld, welke antwoorden zijn weggegooid, welke bronnen zijn gecontroleerd, waar heb ik tegengesproken en welke keuzes heb ik uiteindelijk zelf gemaakt.

Oftewel: draai die camera nog één keer om.

Ontvang elke week het beste van BusinessWise in je mailbox. Schrijf je hier nu gratis in: